Wanneer de toon klopt maar de uitkomst niet

De meest onderschatte risicofactor in AI-implementaties is geen hallucinatie die er schreeuwend uitziet. Het is een antwoord dat vlekkeloos geformuleerd is, contextueel logisch klinkt en precies de toon aanslaat die een vakexpert zou aanslaan — terwijl de inhoud feitelijk onjuist is. Dat is de kern van wat een uitgebreid evaluatieonderzoek aan het licht bracht dat VentureBeat deze week publiceerde: grote taalmodellen zijn het meest zelfverzekerd op het moment dat ze het mis hebben.

Dit is geen academische bijzarigheid. Het is een structureel kenmerk dat directe gevolgen heeft voor iedere Europese organisatie die LLM-gestuurde tools inzet voor klantenservice, juridische analyse, financiële rapportage of interne kennisuitwisseling. Kwalitatieve review — het laten meelezen van een collega of domeinexpert — vangt dit probleem niet op, zo bleek uit het onderzoek. Juist omdat het model overtuigend schrijft, vertrouwen menselijke reviewers op de toon in plaats van de inhoud. Alleen een geautomatiseerd evaluatieraamwerk dat de uitkomst vergelijkt met verifieerbare correcte antwoorden maakt het patroon zichtbaar.

Edgar van Lent, AI-specialist gericht op de strategische inzet van AI in het Europese bedrijfsleven, stelt dat dit precies de stap is die organisaties overslaan omdat hij niet zichtbaar is voor eindgebruikers en geen directe bedrijfsdoelstelling dient: "Evaluatiearchitectuur wordt behandeld als een luxe, terwijl het in feite de kwaliteitsborging is van elke andere professionele dienst. Een accountant levert ook geen rapport af zonder de cijfers te toetsen aan de bronnen." Meer over zijn aanpak is te vinden op edgarvanlent.com.

De praktische implicatie voor Europese bedrijven is concreet: wie AI-tools uitrolt zonder een eval-harness — een geautomatiseerd systeem dat modelrespons vergelijkt met een grondwaarheid — bouwt op een fundament dat hij niet kan inspecteren. Dat is een bedrijfsrisico, maar ook een compliance-risico nu de AI Act zijn tanden begint te tonen voor hoog-risico toepassingen.

Twee productbeslissingen die de speelruimte vernauwen

Terwijl de evaluatievraag zich voornamelijk afspeelt op het niveau van implementatieteams, zijn er deze week twee productbeslissingen genomen die de strategische context voor Europese AI-afnemers veranderen.

De eerste komt van Microsoft. Zoals Tweakers rapporteert, worden de losse Copilot-varianten samengevoegd in één geïntegreerde app, inclusief de Microsoft 365-integratie en de Office-omgeving. Persoonlijke en werkaccounts worden gecombineerd. Tegelijk verdwijnen functies, waaronder de mogelijkheid om AI-podcasts te maken. Voor organisaties die Microsoft 365 als primaire werkomgeving gebruiken — en dat zijn er in Europa veel — betekent dit dat de AI-laag waarop zij hun processen bouwen steeds vaker wordt bepaald door platformbeslissingen van één leverancier. Consolidatie maakt het product eenvoudiger te beheren, maar vermindert tegelijk de mogelijkheid om alternatieven in te zetten zonder het hele ecosysteem te herzien.

De tweede beslissing komt van OpenAI. Zoals Tweakers bericht, introduceert OpenAI later deze maand advertenties in ChatGPT voor Nederlandse en mogelijk Belgische gebruikers. Deze verschijnen bij gratis gebruik en bij het goedkoopste abonnement. In eerste instantie zijn de advertenties niet gepersonaliseerd, maar gebaseerd op het gespreksonderwerp. Dat laatste is een relevante nuance: het onderwerp van een werkgerelateerd gesprek met een AI-chatbot kan commercieel gevoelige informatie bevatten. Zelfs zonder persoonsgerichte targeting roept contextgebaseerde advertentietargeting vragen op over de vertrouwelijkheid van zakelijke gesprekken.

Wat Anthropics Model 2 zegt over de marktdynamiek

Een derde signaal, dat op het eerste gezicht minder direct relevant lijkt voor Europese bedrijfsleiders, verdient toch aandacht. Tweakers bericht dat Anthropic in zijn risicorapport van augustus 2026 stelt een nieuw model te hebben ontwikkeld dat voor veel taken een aanzienlijke verbetering is ten opzichte van Mythos 5. Het bedrijf stelt dit model — intern aangeduid als Model 2 — niet beschikbaar aan externe partijen, maar zet het wel in voor intern gebruik.

Dit is een opmerkelijke positionering. De topmodellen van frontier-labs worden steeds vaker eerst intern ingezet voordat ze, als ze al beschikbaar komen, voor externe gebruikers toegankelijk zijn. Voor Europese bedrijven die hun AI-strategie baseren op toegang tot de best beschikbare modellen, onderstreept dit dat die toegang niet vanzelfsprekend is en afhankelijk blijft van beslissingen die buiten hun invloedssfeer liggen.

Edgar van Lent ziet in deze drie ontwikkelingen samen een patroon: de infrastructuur en modellen waarop Europese AI-implementaties draaien, worden steeds meer bepaald door een handvol niet-Europese platformspelers, terwijl de kwaliteitsborging van de output op dit moment grotendeels ontbreekt. Dat is een combinatie die bedrijven kwetsbaar maakt op meerdere fronten tegelijk.

Waar Europese bedrijven de komende weken op moeten letten

De komende weken zijn er drie concrete aandachtspunten voor organisaties die AI strategisch inzetten:

  • Evaluatiearchitectuur: Start met het definiëren van een grondwaarheid voor de meest kritische toepassingen. Zonder toetsbaar correct antwoord is kwaliteitsbewaking onmogelijk.
  • Leveranciersconcentratie: Breng in kaart in welke mate werkprocessen afhankelijk zijn geworden van één AI-platform. De Microsoft-consolidatie maakt dit urgent voor Microsoft 365-omgevingen.
  • Gegevensvertrouwelijkheid in ChatGPT: Herzien werknemers- en leveranciersrichtlijnen over wat wel en niet via gratis of laagdrempelige AI-diensten mag worden besproken, nu contextgebaseerde advertentietargeting zijn intrede doet in Europa.

De fundamentele vraag voor Europese bedrijven is niet langer of ze AI inzetten, maar of ze de randvoorwaarden hebben ingericht om dat verantwoord te doen. Edgar van Lent concludeert dat de bewijslast daarvoor steeds meer bij de afnemers ligt, niet bij de aanbieders.